抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
連鎖イベントグラフ(CEG)は,確率的グラフィカルモデルの最近のファミリーであり,Bayesネットワークの一般化は,構造ゼロの明示的表現,構造欠損値,およびそれらのグラフトポロジー内のコンテキスト特異的条件付き独立性を提供する。CEGは,イベントツリーの頂点の彩色で開始する一連の変換を通してイベントツリーから構築され,1段階遷移対称性を同定する。このカラーイベントツリーは,ステージツリーとしても知られており,このファミリーに使用される学習アルゴリズムの出力である。驚くべきことに,任意のステージツリーをCEG表現に自動的に変換する一般的アルゴリズムはまだ考案されていない。本論文では,この変換のための簡単な反復後方アルゴリズムを提供した。さらに,ステージツリーをCEGに変換することにより,情報が失われることを示した。最後に,最適停止基準により,このアルゴリズムはSilanderとLeong(2013)で提示された特殊事例の一般化よりも効率的であることを示した。また,このアルゴリズムを用いてPythonコードも提供し,サンプリングゼロでエッジを追加するための機能性と共に任意の段階木からCEGを得た。【JST・京大機械翻訳】